SEMINARIOS DE

INVESTIGACIN
El sistema de aprendizaje ms efectivo para generar datos de calidad

Formulacin del
Problema

Dr. Jos Supo

SEMINARIOS DE
INVESTIGACIN
El sistema de aprendizaje ms efectivo para generar datos de calidad

Introduccin

Se trata de sintetizar la cuestin

proyectada a investigar, generalmente a
travs de un interrogante.
Los problemas de Investigacin se
formulan con los 5 componentes a
continuacin:

Dr. Jos Supo

SEMINARIOS DE
INVESTIGACIN
El sistema de aprendizaje ms efectivo para generar datos de calidad

Variables
Debe mencionarse al menos la variable
de estudio; pueden tambin mencionarse
todas las variables involucradas; o
cuando las variables son muy numerosas
suele usarse trminos que resuman de
manera lgica un grupo de variables.

Dr. Jos Supo

SEMINARIOS DE
INVESTIGACIN
El sistema de aprendizaje ms efectivo para generar datos de calidad

Unidades de Estudio
Unidades de observacin, unidades
experimentales, unidades de anlisis.
Reciben distintos nombres segn el
diseo de la investigacin; y deben
mencionarse, aunque a veces su
presencia en el enunciado resulta
implcita.

Dr. Jos Supo

SEMINARIOS DE
INVESTIGACIN
El sistema de aprendizaje ms efectivo para generar datos de calidad

Diseo del Estudio

Propsito estadstico, Especificidad, etc.
Es muy variable de acuerdo a la
investigacin; es importante utilizar
trminos que den por aludido el diseo
de la investigacin, el nivel investigativo,
el tipo de estudio, etc.

Dr. Jos Supo

SEMINARIOS DE
INVESTIGACIN
El sistema de aprendizaje ms efectivo para generar datos de calidad

Ubicacin Espacial
Es ineludible cuando se tratan de
estudios descriptivos y se encuentra
relacionado con el tamao de la muestra;
siendo que los fenmenos varan de un
lugar a otro; se debe especificar sobre
que poblacin se realizar la inferencia
estadstica.

Dr. Jos Supo

SEMINARIOS DE
INVESTIGACIN
El sistema de aprendizaje ms efectivo para generar datos de calidad

Ubicacin Temporal
Al igual que en el criterio espacial, se
requiere
especificarlo
cuando
el
fenmeno vara segn el tiempo. En los
estudios descriptivos sobre poblaciones
infinitas o desconocidas habitualmente se
encuentra relacionado con el muestreo
accidental.

Dr. Jos Supo

SEMINARIOS DE
INVESTIGACIN
El sistema de aprendizaje ms efectivo para generar datos de calidad

Nivel de
Significancia

Dr. Jos Supo

SEMINARIOS DE
INVESTIGACIN
El sistema de aprendizaje ms efectivo para generar datos de calidad

Introduccin

Al plantear un estudio sobre una poblacin,

idealmente debemos estudiar a todos los
individuos que la conforman; pero no siempre
podemos acceder a todos, entonces tenemos
que escoger una muestra; sin embargo los
resultados obtenidos de esta manera nunca
sern exactamente iguales, a los que se
obtendran de estudiar a toda la poblacin; es
decir, siempre va a haber un margen de error.
Dr. Jos Supo

SEMINARIOS DE
INVESTIGACIN
El sistema de aprendizaje ms efectivo para generar datos de calidad

Nivel de Significancia
Antes
de
realizar
el
estudio
debemos
plantearnos; que proporcin de error estamos
dispuestos a aceptar para dar por vlido nuestro
resultado. El error es el objetivo principal del
estudio. El anlisis estadstico consiste en
calcular la probabilidad de cometer este error y
esperamos que sea menor al planteado
preliminarmente como nivel significancia.

Dr. Jos Supo

SEMINARIOS DE
INVESTIGACIN
El sistema de aprendizaje ms efectivo para generar datos de calidad

Nivel de confianza
Es la confianza que debemos alcanzar para
generalizar el resultado de una muestra hacia
toda la poblacin. Es el complemento del nivel
de significancia; es la confianza que tenemos, de
que la conclusin a la que hemos llegado es
cierta. Una probabilidad elevada nos da la
tranquilidad de que lo que hemos calculado es
cercano a lo real y no debida al azar

Dr. Jos Supo

SEMINARIOS DE
INVESTIGACIN
El sistema de aprendizaje ms efectivo para generar datos de calidad

Niveles convenidos
a) = 5%. Existe 5% (0.05) de probabilidad de
equivocarse y 95% (0.95) de confianza.
b) = 1%. Existe 1% (0.01) de probabilidad de
equivocarse y 99% (0.99) de confianza.

Dr. Jos Supo

SEMINARIOS DE
INVESTIGACIN
El sistema de aprendizaje ms efectivo para generar datos de calidad

Definicin de trminos
El error tipo I: Ocurre cuando afirmamos la
hiptesis del investigador, siendo que es falsa.
Por lo tanto, es un juicio de valor equivocado.
El p-valor: Es la probabilidad de equivocarse al
aceptar nuestra hiptesis del investigador como
verdadera; es decir la probabilidad de cometer
un error tipo I.
El nivel de significancia: Es la mxima
probabilidad de error que estamos dispuestos
aceptar para dar como vlida nuestra hiptesis
del investigador.

Dr. Jos Supo

SEMINARIOS DE
INVESTIGACIN
El sistema de aprendizaje ms efectivo para generar datos de calidad

Ritual de la
Significancia
Estadstica

Dr. Jos Supo

SEMINARIOS DE
INVESTIGACIN
El sistema de aprendizaje ms efectivo para generar datos de calidad

1.

Formulacin de Hiptesis

Consiste en traducir la hiptesis metodolgica en

una hiptesis estadstica de acuerdo al siguiente
sistema:
Ho: Hiptesis nula hiptesis de trabajo
H1: Hiptesis alterna hiptesis del investigador
El primer paso es colocar la hiptesis del
investigador como Hiptesis Alterna (H1) y
formular la Hiptesis Nula (Ho) que viene a ser la
negacin de la alterna. Se precisa este artificio
porque es a la Hiptesis Nula a la que se le
somete a contraste.
Dr. Jos Supo

SEMINARIOS DE
INVESTIGACIN
El sistema de aprendizaje ms efectivo para generar datos de calidad

2.

Establecer el nivel de significancia

El nivel de significancia denotado por la letra

griega alfa es la probabilidad de rechazar la
hiptesis nula cuando es verdadera a lo cual se
le denomina error de tipo I.
Segn Fisher, el nivel de significacin estadstica
equivale a la magnitud del error que se est
dispuesto a correr de rechazar una hiptesis nula
verdadera.
Para la mayora de los propsitos, el nivel de
significacin previamente establecido suele ser
Dr. Jos Supo
de 0.05.

SEMINARIOS DE
INVESTIGACIN
El sistema de aprendizaje ms efectivo para generar datos de calidad

3. Eleccin de la prueba
estadstica

El
estadstico
de
prueba
elegido
est
intrnsecamente relacionado con el objetivo
estadstico correspondiente para su nivel
investigativo; para esto debemos considerar la
naturaleza de las variables y el comportamiento
de los datos que corresponde a su distribucin
para los de naturaleza cuantitativa y las
frecuencias esperadas para los de naturaleza
cualitativa.

Dr. Jos Supo

SEMINARIOS DE
INVESTIGACIN
El sistema de aprendizaje ms efectivo para generar datos de calidad

4.

Toma de la decisin

Luego de desarrollar la prueba estadstica

elegida se toma una decisin en funcin a la
regla previamente establecida segn las que se
acepta o se rechaza la hiptesis nula para lo cual
es imprescindible determinar el Valor critico, que
es un nmero que divide la regin de aceptacin
y la regin de rechazo, segn el valor de la
probabilidad que se haya adoptado como nivel
de significacin estadstica.

Dr. Jos Supo

SEMINARIOS DE
INVESTIGACIN
El sistema de aprendizaje ms efectivo para generar datos de calidad

5.

Interpretacin del p-valor

Este ltimo paso en el ritual de la significancia

estadstica no fue planteado originalmente por
Fisher, pero cobra vital importancia con la
aparicin de los software estadsticos que nos
calculan directamente el p-valor, el cual
cuantifica el error tipo I y nos ayuda a tomar una
decisin de rechazo a la hiptesis nula (Ho)
cuando es menor al nivel de significancia y de no
rechazo cuando su valor es mayor al alfa
planteado.
Dr. Jos Supo

SEMINARIOS DE
INVESTIGACIN
www.SeminariosDeInvestigacion.com

Error Tipo
I y II

Dr. Jos Supo

SEMINARIOS DE
INVESTIGACIN
www.SeminariosDeInvestigacion.com

Al establecer un criterio de decisin sobre la

hiptesis nula, el investigador puede ponderar
los errores que podra cometer en su decisin
sobre la hiptesis nula.

Dr. Jos Supo

SEMINARIOS DE
INVESTIGACIN
www.SeminariosDeInvestigacion.com

Una primer forma de error (se conoce como el

error tipo I) consiste en rechazar una hiptesis nula
verdadera, es decir, descartar el azar como
explicacin cuando los resultados podran explicarse
razonablemente con base en el mismo. Este es el error
que comete el investigador que ve ms lo que hay en
los datos; es decir, el investigador concluye en que
existe una relacin real o verdadera entre las variables
independiente y dependiente de la investigacin,
cuando en realidad la relacin observada se puede
explicar razonablemente como resultado del azar.

Dr. Jos Supo

SEMINARIOS DE
INVESTIGACIN
www.SeminariosDeInvestigacion.com

El llamado error tipo I es el error del investigador

que se apresura a concluir a favor de su hiptesis de
investigacin. Fisher no habl de ningn otro error,
pues la prueba de la hiptesis nula para l no era otra
cosa que un freno a la tendencia natural de un
investigador a creer que hiptesis ha sido confirmada
por el simple hecho de que los resultados de la
investigacin siguen la misma direccin de la
hiptesis. En la estrategia de Fisher, slo hay un error
posible: rechazar una hiptesis nula verdadera.

Dr. Jos Supo

SEMINARIOS DE
INVESTIGACIN
www.SeminariosDeInvestigacion.com

Una segunda forma de error (se conoce como el

error tipo II), introducida por Egon Pearson y Jerzy
Neyman consiste en no rechazar una hiptesis nula
falsa, es decir, no descartar el azar aun cuando ste
no constituye una explicacin razonable de los datos.
Este es el error que comete el investigador que ve
menos que lo que hay en los datos; por miedo a
rechazar incorrectamente el azar, el investigador
puede exponerse al riesgo de pasar por alto una
relacin real o verdadera entre las variables de su
investigacin. Fueron Pearson y Neyman los que, al
introducir un segundo tipo de error, bautizaron como
error tipo uno al error de que haba hablado Fisher.
Dr. Jos Supo

SEMINARIOS DE
INVESTIGACIN
www.SeminariosDeInvestigacion.com

Segn Fisher, el nivel de significacin estadstica

equivale a la magnitud del riesgo que est dispuesto a
correr el investigador, de cometer el error de rechazar
una hiptesis nula verdadera (el llamado error tipo I).
Para la mayora de los propsitos, el nivel de
significacin previamente establecido suele ser de
0.05, aunque en reas de investigacin ms rigurosas
se trabaja con un nivel de significacin de 0.01.
Suponiendo que se trabaja con un nivel de
significacin de 0.05, se rechazara la hiptesis nula
siempre que la probabilidad de explicar los resultados
obtenidos en una investigacin como si fueran obra
del azar sea igual o menor que 0.05.
Dr. Jos Supo

SEMINARIOS DE
INVESTIGACIN
www.SeminariosDeInvestigacion.com

En la perspectiva de Pearson y Neyman, para

establecer el nivel de significacin estadstica habra
que atender al impacto de cada tipo de error en el
objetivo del investigador, y a partir de ah se decidira
cul de ellos es preferible minimizar. Pearson y
Neyman llamaron alfa al error tipo I y beta al error tipo
II; a partir de este ltimo tipo de error, introdujeron el
concepto de "poder de una prueba estadstica", el cual
se refiere a su capacidad para evitar el error tipo II, y
est definido por 1-beta, y en estrecha relacin con
ste se ha desarrollado el concepto de "tamao del
efecto" que algunos han propuesto como sustituto de
los valores p en los informes de investigacin
cientfica. (Cohen, 1990, 1994; Kraemer & Thiemann,
1987; Murphy & Myors, 2004).

Dr. Jos Supo

HIPTESIS
Adaptado de: Supo, J.

Estructura

FUNDAMENTO
Es lo que nos lleva a sostener la hiptesis
planteada. Las hiptesis relacionales
carecen de fundamento porque nacen de
la subjetividad de una observacin;
mientras que las hiptesis explicativas se
fundamentan
en
los
antecedentes
investigativos.

Dr. Jos Supo

HIPTESIS
Adaptado de: Supo, J.

Estructura

DEDUCCIN
Es la hiptesis misma, denominada
hiptesis
del
investigador;
estadsticamente es la hiptesis alterna y
se debe someter a contraste.
Cuando el enunciado se plantea en forma
de interrogante, la hiptesis es la que da
respuesta al enunciado.

Dr. Jos Supo

Tema 2: HIPTESIS
Adaptado de: Supo, J.

Hiptesis segn el nivel Investigativo

EXPLICATIVA
Las hiptesis explicativas o racionales son
consideradas
como
explicaciones
tentativas
respecto
al
problema
planteado.
Cumple su funcin slo si est relacionada
con el conocimiento existente; nacen del
razonamiento por analoga (Bradford Hill).
Sin antecedentes investigativos no es
posible plantear hiptesis explicativas.

Dr. Jos Supo